GO 是啥？

不是让你走的意思。GO 全称是 Gene Ontology，即基因本体。涉及生物学的三个方面，细胞组分(cellular component)、分子功能(molecular function)、生物过程(biological process)。

GO 富集分析能干啥？

通过 GO 富集分析可以粗略了解在哪些生物学功能、途径或者细胞定位中有差异基因的富集。说白了，就是帮你找差异基因。

KEGG 又是啥？

KEGG(Kyoto Encyclopedia of Genes and Genomes)，生物学通路分析。能够帮你找到有显著改变的信号通路，在机制研究中意义重大。

GO 与 KEGG 分析大多数结果我们都是从测序报告中得到的，很多人花了钱却不会分析。

今天，笔者就给大家分享下怎么自己分析途径并展现分析结果，一步步教学，童叟无欺。

1、在线网站之 DAVID

网址：https://david.ncifcrf.gov/

网站首页如下，这个数据库还在持续更新中，2019 年已更新，使用也很简单方便。

图片来源：网站截图

点击菜单栏「start analysis」进行分析

图片来源：网站截图

在左侧栏中，导入你的基因(可以是基因名称，也可以是基因 ID)，选择输入类型，一般是「Genesymbol」，再选择「gene list」，最后点击「submit list」。

之后，在跳出的界面选择你要分析注释的物种即可。

选择好之后，点击「USE」，系统自动开始分析。

tips：如果基因数少，分析会快。而基因数目较多的时候可能会有些慢，耐心等待即可。

图片来源：网站截图

分析完成后，点击 step2 中的「Functional Annotation Clustering」。这里就有包括我们需要的 GO 以及 KEGG 结果。

图片来源：网站截图

打开一个目录。

图片来源：软件截图

点击「Chart」，就会显示分析结果。点击「download file」，输出结果。

图片来源：网站截图

我们主要需关注「GO terms」(也就是不同的生物学过程或者通路)以及 「P.Value」(表示注释的显著性也就是可靠性)，然后还有「count」(也就是一个生物学过程中有几个基因包含在其中)。

有这些结果就可以作图了。

图片来源：自己做的

通常这样的一个分析结果是没有什么亮点的。我们需要更好的将结果展示出来。

图形可视化

接下来笔者就带着大家看看如何利用 R 语言进行图形可视化。

第一步，整理得到结果，找到自己感兴趣的内容，比如这里我们想可视化最显著前 15 条注释信息。

将文件保存为 txt。

图片来源：自己做的

然后打开 R 语言。这里我们展示气泡图的画法，这也是最常见的也是比较有颜值的图。

代码如下：每一步的解读都在代码中(标红字体)

图片来源：自己做的

画好之后效果图如下：

图片来源：自己做的

一般我们将图形导出为 PDF。KEGG 的可视化与此雷同。只要导入相应的文件就可以了。

在此，笔者强调一个问题：

安装「ggplot2」包的时候，很多人用 install.packages("ggplot2") 安装不成功，可以试试在 Rstudio 右侧栏 packages 中安装就正常了，如下